特朗普重新掌权后一直根据由一个极端保守的美国智库准备的文件2025计划的主张，重组甚至解散美国的科学和学术机构，他指责这些机构助长了“危言耸听”的气候论，……

芬兰推出欧洲首台50量子比特计算机-

四款Deep Research应用全方位比较 人工智能这趟快车正以光速前进，催生了一波又一波的“智能助手”新潮流。2024到2025年间，OpenAI、Perplexity和Google Gemini纷纷推出了名为“Deep Research”的智能研究助手，仿佛在说：“科研小白们，我来帮你搞定一切！”与此同时，开源社区也不甘示弱，LangChain-ai/open_deep_research等开放框架也迅速投胎。 这些系统就像科研界的“瑞士军刀”，通过多模态信息处理、深度推理和自动化流程，正在重新定义知识生产和信息分析的游戏规则。本报告将带你深入幕后，剖析这些技术架构的奥秘，对比商业产品的不同之处，并大胆预测未来发展方向。 作为普通用户，你只需挑选最适合自己的应用即可，毕竟“适合的才是最好的”。但对于机构和开发人员来说，还得好好琢磨技术实现原理和性价比，才能判断如何用得更好，甚至是否值得本地部署。毕竟，谁不想拥有一个属于自己的“科研小助手”呢？ 一、开源项目LangChain-ai/open deep research解析 Open Deep Research 是一个开源的 AI 智能体，旨在通过推理大量网络数据，完成复杂的多步骤研究任务。与 OpenAI、Perplexity 和 Google Gemini 2.0 推出的同名功能相比，Open Deep Research 提供了更高的自定义性和灵活性。Open Deep Research 由 langchain-ai 团队开发，作为对 OpenAI Deep Research 功能的开源复现。该项目允许用户自定义模型、提示、报告结构、搜索 API 和研究深度，提供了更大的灵活性和控制权。 技术架构与核心特性 作为首个开源深度研究框架，该项目采用分层架构设计，将规划、检索、分析、生成等环节解耦为可插拔模块。其核心组件包括： 动态规划引擎：通过推理模型（如DeepSeek R1或o3-mini）自动生成研究计划，支持用户交互式修正。系统内置的元认知算法可评估初始方案的完整性，当检测到关键要素缺失时，会自动触发二级规划流程 混合检索系统：整合Tavily、Perplexity和Bing等多源搜索API，支持分阶段深度检索。每轮搜索后，自省模块会分析结果质量，决定是否需要扩展检索范围或调整关键词策略 渐进式生成机制：采用分治策略并行处理各章节内容，通过交叉验证确保整体一致性。特别设计的"反思-重写"循环允许在段落层面进行多轮优化，最高支持5次迭代深度改进716 核心功能 自定义报告结构：用户可以提供所需的报告大纲，定制报告的结构和内容。 模型选择：支持多种推理模型，如 DeepSeek、OpenAI 推理模型等，用户可根据需求进行选择。 反馈迭代：用户可以对报告各部分的计划提供反馈，直到满意为止。 搜索 API 配置：支持配置搜索 API，如 Tavily、Perplexity 等，并设置每次研究迭代的搜索次数。 研究深度设置：用户可以设置每个部分的搜索深度，包括写作、反思、搜索和重写的迭代次数。 写作模型选择：支持选择不同的写作模型，如 Anthropic 等，以满足不同的写作风格和需求。